共查询到20条相似文献，搜索用时 820 毫秒
1.
在"互联网+"在线学习环境下,探索符合学习习惯和偏好的个性化推荐路径能够降低学习者学习的盲目性、提升学习者在线学习体验.文章提出了一种基于学习者画像的个性化课程推荐方法,首先,利用爬虫技术获得Bilibili网站30多万名学习者的数据,然后对学习者学习数据进行定量分析,尤其是在个性化特征最明显的情感表达方面,采用了基于注意力机制的双向长短时记忆网络进行情感分析,从而构建了包含学习者基本信息、行为和弹幕文本三个维度的学习者画像特征模型.在此基础上,利用深度神经网络建立了教学资源与学习者画像之间的关系模型,用该模型预测学习者新的学习需求.实验结果表明,当学习者登录后,输入要选择的课程,模型能够根据学习者画像推荐相似学习者学习过的课程,提供个性化课程推荐服务,且推荐评价指标也表明该模型能够提高推荐性能. 相似文献
2.
画像技术在当前精准营销中的应用非常广泛,而其在教育领域尤其是在线学习者的特征识别方面研究较少。文章从学习者的一般特征、学习准备、学习风格、行为特征四个方面对学习者进行分析,提出在线学习者画像描述的总体框架。同时,通过机器学习对在线学习行为数据进行挖掘,文章分别从以上四个方面对学习者画像进行建模研究,重点讨论了学习风格的建模过程,并通过对在线学习者个案分析,阐述了学习者画像在指导学习资源精准推荐、评估在线学习者学业失败或退出风险等方面的应用,为个性化教育实施提供了实践案例。 相似文献
3.
在线学习环境下,探索符合学习习惯和偏好的学习活动路径能够降低学习者学习盲目性、提升学习者的课程体验。研究以教育大数据为背景,以MOOC为研究案例,以个性化学习路径为研究内容,通过对学习结果分类理论、教育目标分类法以及三维目标分类理论的分析、对比、归纳、借鉴,对MOOC平台学习者行为数据进行了维度划分,并从态度和认知两方面入手构建了包含学习兴趣、知识水平、综合能力三个维度的学习者学习画像特征模型。在此基础上,通过交叉使用Apriori All算法和贝叶斯网络对平台行为数据进行差异处理,使其转化为具有信息价值的具体数值,设计出了学习画像与个性化学习路径拟合系统。在此基础上,运用蚁群算法实现个性化学习路径的生成与推荐,为学习者提供精准的学习路径指导,降低学生迷航率。研究结果表明:基于学习画像的个性化学习路径推荐具有精准性;学习画像可以实现MOOC环境下平台数据和学习者之间的耦合;交叉使用多种算法实现不同维度数据的差异性处理,使数据分析、处理、应用具有合理性,是实现个性化学习路径生成推荐的良好基础。 相似文献
4.
E-Learning环境下,网络是在线学习者在线学习,在线交流的重要方法和手段。目前在线学习平台为在线学习者提供被动的学习模式,在线学习者的学习需求具有个性化的不同,学习者希望学习平台能够依据个体的差异提供不同的学习模式,在此背景下,依据学习者的不同背景研究个性化的知识推荐系统具有重要意义。本文探讨了个性化学习的基本模式,并构建了一个个性化学习模型。 相似文献
5.
大数据环境下,从海量学习资源中为学习者提供个性化的资源推荐服务可提高学习效率。考虑到不同区域的人具有不同的文化背景,人们对事物的喜好具有区域性,以及提供个性化推荐通常面临数据稀疏和冷启动的问题,提出使用因子分解机,综合考虑学习者的知识基础、兴趣、文化和时间因素,借助学习者所处区域的文化背景,选出与其有相同或相似文化背景的学习者,并结合学习者最佳学习时间及学习体系结构,以提高个性化学习资源推荐的质量。实验结果表明,该方法在一定程度上提高了推荐准确率。 相似文献
6.
孟祥林 《扬州大学学报(高教研究版)》2021,(1)
学习能力与学习动机的不同组合方式形成了学习者的多种学习姿态,对这些姿态进行分析、画像和标签化处理,并据此勾勒出学习者从低水平学习姿态转为高水平学习姿态的轨迹,就成为实践个性化教学的重要前提。不同姿态的学习者对不同存在状态的学习资源的驾驭能力有差别,这就需要教师通过设计个性化的学习组合方案,为不同姿态的学习者打造学习计划,在师生之间构建起良性合作博弈的学习环境。在不同的方案中,越是趋近方格模型左上角的学习者,越应该实行相对宽松的管理措施,教师应该给其更充分的个人可支配时间,从而拓展学习者的学习空间。在学习能力和学习动机两个重要影响因素中,首先在学习动机方面做文章,对于靠近方格模型右下角的学习者可以达到事半功倍的效果。 相似文献
7.
不同英语学习者的英语学业水平、学习兴趣、学习者类型等方面均有差异,差异化教学是促进学生个性发展的有效途径。为帮助学生在自己原有基础上实现个性化学业发展,文章以初中英语读写课堂为研究对象,以动态评价为基础,通过提供差异化学习内容、设计差异化学习过程、创设包容的学习环境,探究促进学生个性化学业发展的差异化教学策略。 相似文献
8.
现代远程教育存在＂两个远距离＂。一个是教师和学习者的＂物理远距离＂,另一个是教师和学习者共同面对的与无生命的计算机的＂心理远距离＂。物理和心理上的远距离导致教师和学习者、学习者与学习者之间相互沟通困难,学习者与资源之间沟通困难。这种远距离的状态使得现代远程教育缺乏传统教育中师生面对面的交互及情感交流。因此要使学习者的个性化网络学习能顺利进行必须克服这两个远距离。而克服＂两个远距离＂最有效的办法是为学习者的个性化自主学习提供有效支持和人文关怀。个性化网络学习支持系统是指整合了现代网络技术和个性化支持技术的网络学习支持系统,它的本质是为学习者提供个性化的学习服务,使学习者的个性化网络学习顺利进行。概括地说,个性化网络学习支持系统就是为学习者的个性化网络学习提供支持的软件系统。 相似文献
9.
MOOC以其独特特点和独特优势如低注册门槛、资源开放在线及使用异步无限制等,吸引了来自世界各地的、大量不同背景、不同特征和不同目的学习者。这就使得MOOC要获得可持续发展,并最大化其存在价值,必须满足学习者的个别化需求和目的,支持和促进学习者的自主个性化学习过程和学习结果,因而MOOC学习环境必须支持和促进学习者的个性化学习。该研究对支持和促进学习者自主个性化学习的MOOC学习环境设计的策略进行了深入探究,以期对MOOC研究和实践的发展有所裨益。 相似文献
10.
个别差异与个性化教学 总被引：1，自引：0，他引：1
本文根据对学习者个别差异的分析,考虑到不同学习者个性因素对学习者学习态度、学习方式、学习需求等产生的影响,为教师在教学中如何根据学习者个别差异来进行个性化教学提出针对性建议。 相似文献
11.
学生支持服务是保证远程教育质量的重要因素,根据学习者的学习动机,为学习者提供个性化的学习支持服务。能够有效地激励和维持学生的学习兴趣,提高远程教育的教学质量。本文主要从个性化的角度对远程教育中的学生服务进行探讨。 相似文献
12.
学习者画像是描述学习者特征、实现智能化推送、实施个性化教育的重要基础.如何挖掘并利用在线学习平台中的数据构建学习者画像是当前亟待解决的问题.研究以在线作业为目标场景,以在线学习行为投入为切入点,构建了以参与、坚持、专注、学术挑战和自我调控为主要维度的分析框架和测量指标,利用7695名小学生在线作业数据进行了27个测量指标的有效性验证,采用K-Means聚类方法对在线学习者的行为特征和结果特征进行了标签分类,形成了四类学习者的群体画像,提出了相应的学习指导建议.研究发现,学习者的学业成绩与作业行为投入之间存在显著相关,不同的行为投入平台指标与学业成绩呈现不同的相关性,学习品质相关指标与学业成绩呈现强相关.因此,在线教育平台应通过画像技术,持续跟踪学习者的在线学习行为投入,评估学习者的学习品质,提出个性化的指导建议,推送精准化的学习资源,进而提升学习者在线学习效率. 相似文献
13.
为了推动Moodle学习平台的深层次功能应用,文章通过不同的个性化推荐技术,试验采用多种相似度度量方法,对平台中学习资源及学习者历史日志记录进行数据分析与研究,揭示出不同个性化推荐技术在远程教育中的应用优缺点,分析发现一种适合于学习者的个性化推荐技术及其采用的相似度度量方法,结果可为学生个性化学习服务、教师导学管理监督提供决策支持. 相似文献
14.
泛在学习中自适应学习管理系统设计 总被引：1，自引：0，他引：1
泛在学习的目的更加倾向于培养学生的兴趣,根据学生的兴趣进行自愿的自主探究的学习。根据泛在学习的特点,分析了现有的自适应模型同时结合实际情况,提出了泛在学习自适应模块的设计方案。该设计方案主要是体现个性化的学习,根据不同的学习者的学习兴趣,系统会提供相应的学习资料,满足学习者不同的学习要求。 相似文献
15.
网络学习者特征对网络学习平台提供个性化学习服务具有重要影响。个性化学习服务指为学习者提供适应性的学习内容。基于学习者的学习风格和学习目标设计了个性化的知识组织、知识呈现和学习导航。以C语言课程为实例,针对不同类型的学习者设计出个性化的学习界面,实现了一种学习者与学习平台之间的新型交互模式。 相似文献
16.
17.
利用人工智能技术实现个性化学习是当前教育改革发展的现实诉求.个性化学习的内涵包括以学习者的个性化需求和特征为前提、以学习者个性化的学习过程为核心、以学习者的个性化发展为最终目标等三个要点.人工智能技术为个性化学习的实现提供了强有力的支持,主要体现在智能识别、智能分析与处理、智能测评等方面.人工智能时代个性化学习的实现路径包括精准识别学习者的个性化特征、动态生成个性化的学习目标、智能推荐个性化的学习资源、灵活设计个性化学习策略、数据驱动个性化学习评价等. 相似文献
18.
互联网的高速发展导致网络学习资源数量迅速增长,案例教学、理论教学等教学资源的个性化推荐受到更多关注。学习者模型是实现个性化推荐的依据。文章以CELTS-11学习者模型规范为基础,针对学习者的个性差异,在学习过程中对基本信息、学习风格、知识状态、认知能力、兴趣偏好等个性化特征展开研究,解决目前资源推荐系统的学习者模型中学习者特征描述不全面、个性化程度不高等问题,构建出了个性化的学习者模型,为学习资源的推送提供了有力的依据,应用效果表明了该方法的有效性。 相似文献
19.
20.
教师数字画像是实现精准诊断、及时干预和个性化服务的基础,然而国内学者少有关注,特别是多模态数据赋能全息化描绘教师画像的潜力没有得到很好的发掘。本研究从多学科角度系统解析了多模态的内涵,即多模态是表征不同生理、心理或行为反应的不同形态数据。以此为基础,本研究构建了以生理数据为主要成分的多模态数据全息临摹教师画像的机理及画像模型,模型包括关注发展期望勾勒的愿景层、关注研修动态描绘的学习层、关注本体特征刻画的属性层三个层面。之后,研究构建了基于全息画像的个性化机制(包括适性的动力机制和个人路径生成机制)以及机制得以运转的多模态学习分析方略(包括涵盖去伪存真、多维共描、多面临摹三个层面的多模态数据融合分析方略以及涉及精准教学、失败中学、个性化学习三种学习理念的适应性精准决策方略)。希望这一研究成果能对教师全息画像的临摹提供可行的方案,对以此为基础的智慧研修系统与个性化研修服务的构建提供有价值的参考。 相似文献